Python爬虫：逆向分析某酷音乐请求参数

大家好，又见面了，我是你们的朋友全栈君。

前言

  免责声明：
    本篇博文的初衷是分享自己学习逆向分析时的个人感悟，所涉及的内容仅供学习、交流，请勿将其用于非法用途！！！任何由此引发的法律纠纷均与作者本人无关，请自行负责！！！
  版权声明：
    未经作者本人授权，禁止转载！！！

  上篇博客已经分析了网易云音乐的加密参数。本篇通过酷狗音乐进行逆向分析，进而加深对逆向分析流程的理解。
  目标：通过输入歌名或者歌手名，列出相应的音乐信息，然后通过选择某一项，将对应的音乐下载到本地指定目录。
  工具：Google Chrome、PyCharm
  这里依旧以我最喜欢的歌手本兮为例，这里播放了一首下雪的季节，需要RMB才能听完整版的：

1. 请求分析

  如果想要下载一首歌，我们首先要获取到这首歌所对应的 $url$。随机选择一首歌进行播放，打开Chrome的开发者工具，刷新看一下对应的请求，找到我们想要的歌曲文件的 $url$，就是下面这个：

  然后找到该请求对应的 $url$，分析一下该请求：

  可知，获取数据的 $url$ 为https://wwwapi.xxxxx.com/yy/index.php?r=play/getdata&callback=jQuery1910989040365354567_1599909353609&hash=1B5C869853B6A7DD39FED655B2155207&album_id=1819925&dfid=3LfODQ2G5XMN0x1liv3DeyjX&mid=61a73ea098eb98e7c6f4fbc66cd7f367&platid=4&_=1599909353610，请求方式为GET，它要提交的参数已经包含在了 $url$ 里，而且里面有很多不是必须的参数。
  经过几次刷新发现，参数callback和_的值是一直在变化的，其他参数是固定的。根据经验，GET请求方式的 $url$ 一般是可以简化的，即去掉不是必须的参数后仍然可以正常得到数据，简化后的 $url$ 为https://wwwapi.xxxxx.com/yy/index.php?r=play/getdata&hash=1B5C869853B6A7DD39FED655B2155207，但是通过程序访问这个 $url$ 却是失败的，这说明，请求需要cookie。
  综上分析可以猜测到，一首歌对应一个参数hash的值，而且这个参数肯定在搜索结果中，下面要做的就是找到这个hash。

2. 获取参数

  我们来到搜索界面：

  然后打开Chrome的开发者工具，刷新看一下对应的请求，找到我们想要的搜索结果列表，就是下面这个：

  可以看到，我们想要的hash其实就是FileHash，而且里面还有歌名、歌手以及专辑等信息。然后找到对应的 $url$，分析一下该请求：

  依旧是个GET请求， $url$ 为https://complexsearch.xxxxx.com/v2/search/song?callback=callback123&keyword=%E6%9C%AC%E5%85%AE&page=1&pagesize=30&bitrate=0&isfuzzy=0&tag=em&inputtype=0&platform=WebFilter&userid=-1&clientver=2000&iscorrection=1&privilege_filter=0&srcappid=2919&clienttime=1599910861467&mid=1599910861467&uuid=1599910861467&dfid=-&signature=51F1A4D0FBB3DE862AD5E87364E6756A，先简单分析一下它的参数是什么意思，参数keyword就是我们在搜索那里输入的内容，参数page为页数，参数pagesize表示每页显示多少条信息。这里依旧是很长的一串，我尝试这简化 $url$，然而并没有成功，错误信息为"error_msg" : "Parameter Error"、"error_msg" : "err signature"和"error_msg" : "err appid(srcappid) or clientver or mid or dfid"，可以推测出参数signature应该是很重要的，而且经过刷新发现参数signature、clienttime、mid和uuid每次都会发生变化，且后面三个一直相同。估计参数可能被加密了，全局搜索参数signature，将其定位：

  果然，参数signature被MD5加密了，打上几个断点，然后debug看一下：

  参数是20个，但是只有参数clienttime、mid和uuid发生变化，而且它们还相同，找一下它们来自哪里，向上定位到了它们的位置：

  发现是个时间序列，由JavaScript中的getTime()方法生成的，它返回的是毫秒数，在Python中可以用time模块的time()方法代替。下面来模拟一下MD5加密，这里可以使用Python的标准库hashlib：

    def MD5Encrypt(self, text):
        # 返回当前时间的时间戳(1970纪元后经过的浮点秒数)
        k = time.time()
        k = int(round(k * 1000))
        info = ["NVPh5oo715z5DIWAeQlhMDsWXXQV4hwt", "bitrate=0", "callback=callback123",
                "clienttime={}".format(k), "clientver=2000", "dfid=-", "inputtype=0",
                "iscorrection=1", "isfuzzy=0", "keyword={}".format(text), "mid={}".format(k),
                "page=1", "pagesize=30", "platform=WebFilter", "privilege_filter=0",
                "srcappid=2919", "tag=em", "userid=-1", "uuid={}".format(k), "NVPh5oo715z5DIWAeQlhMDsWXXQV4hwt"]
        # 创建md5对象
        new_md5 = md5()
        info = ''.join(info)
        # 更新哈希对象
        new_md5.update(info.encode(encoding='utf-8'))
        # 加密
        result = new_md5.hexdigest()
        return result.upper()

  这个加密的结果就是参数signature，为了检验结果的正确性，我们将时间序列和上面的保持一致，即clienttime = mid = uuid=1599910861467，运行结果如下：

  结果是正确的，然后我们拼接成 $url$即可：

  我们访问拼成的 $url$可以正常得到数据：

  $url$小常识：
    + 表示空格
    / 分隔目录和子目录
    ? 分隔实际的URL和参数
    % 表示特殊字符
    # 表示书签
    & 表示参数间的分隔符
    = 表示参数的值

3. 提取信息

  两个请求的 $url$ 我们都已经获得了，下面就是将数据从json格式的文本中提取出来，然后对歌曲文件 $url$ 发起请求，将结果以二进制形式保存，后缀名为.mp3。不废话，直接上代码：

# -*- coding: utf-8 -*-
# @Time : 2020/9/12 21:01
# @Author : XiaYouRan
# @Email : youran.xia@foxmail.com
# @File : kugou_music2.py
# @Software: PyCharm


import time
from hashlib import md5
import json
import requests
import re
import os


class KuGouMusic(object):
    def __init__(self):
        self.headers = { 
   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                                      'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}

    def MD5Encrypt(self, text):
        # 返回当前时间的时间戳(1970纪元后经过的浮点秒数)
        k = time.time()
        k = int(round(k * 1000))
        info = ["NVPh5oo715z5DIWAeQlhMDsWXXQV4hwt", "bitrate=0", "callback=callback123",
                "clienttime={}".format(k), "clientver=2000", "dfid=-", "inputtype=0",
                "iscorrection=1", "isfuzzy=0", "keyword={}".format(text), "mid={}".format(k),
                "page=1", "pagesize=30", "platform=WebFilter", "privilege_filter=0",
                "srcappid=2919", "tag=em", "userid=-1", "uuid={}".format(k), "NVPh5oo715z5DIWAeQlhMDsWXXQV4hwt"]
        # 创建md5对象
        new_md5 = md5()
        info = ''.join(info)
        # 更新哈希对象
        new_md5.update(info.encode(encoding='utf-8'))
        # 加密
        signature = new_md5.hexdigest()
        url = 'https://complexsearch.kugou.com/v2/search/song?callback=callback123&keyword={0}' \
              '&page=1&pagesize=30&bitrate=0&isfuzzy=0&tag=em&inputtype=0&platform=WebFilter&userid=-1' \
              '&clientver=2000&iscorrection=1&privilege_filter=0&srcappid=2919&clienttime={1}&' \
              'mid={2}&uuid={3}&dfid=-&signature={4}'.format(text, k, k, k, signature.upper())
        return url

    def get_html(self, url):
        # 加一个cookie
        cookie = 'kg_mid=61a73ea098eb98e7c6f4fbc66cd7f367; kg_dfid=3LfODQ2G5XMN0x1liv3DeyjX; kg_dfid_collect=d41d8cd98f00b204e9800998ecf8427e; Hm_lvt_aedee6983d4cfc62f509129360d6bb3d=1599906321; Hm_lpvt_aedee6983d4cfc62f509129360d6bb3d=1599922649'.split(
            '; ')
        cookie_dict = { 
   }
        for co in cookie:
            co_list = co.split('=')
            cookie_dict[co_list[0]] = co_list[1]
        try:
            response = requests.get(url, headers=self.headers, cookies=cookie_dict)
            response.raise_for_status()
            response.encoding = 'utf-8'
            return response.text
        except Exception as err:
            print(err)
            return '请求异常'

    def parse_text(self, text):
        count = 0
        hash_list = []
        print('{:*^80}'.format('搜索结果如下'))
        print('{0:{5}<5}{1:{5}<15}{2:{5}<10}{3:{5}<10}{4:{5}<20}'.format('序号', '歌名', '歌手', '时长(s)', '专辑', chr(12288)))
        print('{:-^84}'.format('-'))
        song_list = json.loads(text)['data']['lists']
        for song in song_list:
            singer_name = song['SingerName']
            # <em>本兮</em> 正则提取
            # 先匹配'</em>'这4中字符, 然后将其替换
            pattern = re.compile('[</em>]')
            singer_name = re.sub(pattern, '', singer_name)
            song_name = song['SongName']
            song_name = re.sub(pattern, '', song_name)
            album_name = song['AlbumName']
            # 时长
            duration = song['Duration']
            file_hash = song['FileHash']
            file_size = song['FileSize']

            # 音质为HQ, 高品质
            hq_file_hash = song['HQFileHash']
            hq_file_size = song['HQFileSize']

            # 音质为SQ, 超品质, 即无损, 后缀为flac
            sq_file_hash = song['SQFileHash']
            sq_file_size = song['SQFileSize']

            # MV m4a
            mv_hash = song['MvHash']
            m4a_size = song['M4aSize']

            hash_list.append([file_hash, hq_file_hash, sq_file_hash])

            print('{0:{5}<5}{1:{5}<15}{2:{5}<10}{3:{5}<10}{4:{5}<20}'.format(count, song_name, singer_name, duration, album_name,
                                                                             chr(12288)))
            count += 1
            if count == 10:
                # 为了测试方便, 这里只显示了10条数据
                break
        print('{:*^80}'.format('*'))
        return hash_list

    def save_file(self, song_text):
        filepath = './download'
        if not os.path.exists(filepath):
            os.mkdir(filepath)
        text = json.loads(song_text)['data']
        audio_name = text['audio_name']
        author_name = text['author_name']
        album_name = text['album_name']
        img_url = text['img']
        lyrics = text['lyrics']
        play_url = text['play_url']
        response = requests.get(play_url, headers=self.headers)
        with open(os.path.join(filepath, audio_name) + '.mp3', 'wb') as f:
            f.write(response.content)
            print("下载完毕!")


if __name__ == '__main__':
    kg = KuGouMusic()
    search_info = input("请输入歌名或歌手: ")
    search_url = kg.MD5Encrypt(search_info)

    search_text = kg.get_html(search_url)
    hash_list = kg.parse_text(search_text[12:-2])

    while True:
        input_index = eval(input("请输入要下载歌曲的序号(-1退出): "))
        if input_index == -1:
            break
        download_info = hash_list[input_index]
        song_url = 'https://wwwapi.kugou.com/yy/index.php?r=play/getdata&hash={}'.format(download_info[0])
        song_text = kg.get_html(song_url)
        kg.save_file(song_text)

  测试结果如下：

结束语

  今天分析的搜索结果接口和我以前分析出来的有点不一样，而且以前的接口还可以正常使用，没记错的话以前是不需要cooike的。

url = "https://songsearch.xxxxx.com/song_search_v2?keyword={}&platform=WebFilter".format(song_name)

  与网易云音乐相比，酷狗音乐的请求相对来说简单了些，基本上没有什么加密，而且酷狗的音乐版权还贼多，我喜欢ヾ(^∀^)ﾉ

开源代码仓库

  如果喜欢的话记得给我的GitHub仓库点个Star哦！ヾ(≧∇≦*)ヾ